Facteurs qui influent sur le consentement au don d’organes : étude rétrospective basée dans la population
Bibliographic record
Abstract
Résumé Contexte: Améliorer l’approche des donneurs d’organes potentiels et obtenir leur consentement pourrait favoriser l’autonomie des patients et donner accès à un plus grand nombre d’organes à transplanter. Nous avons voulu identifier les facteurs modifiables qui influent sur le consentement au don d’organes. Méthodes: Nous avons procédé à une étude de cohorte rétrospective regroupant les adultes (≥ 18 ans) consécutivement orientés vers le système de don d’organes en Ontario entre avril 2013 et juin 2019. Nous avons analysé les données cliniques et démographiques des patients, les données relatives à leurs mandataires et les particularités des approches pour le consentement au don. Les paramètres de l’étude étaient le consentement au don d’organes et le taux d’approches. Nous avons analysé les liens indépendants entre le consentement et les facteurs propres aux approches et au système. Résultats: Nous avons identifié 34 837 signalements de donneurs d’organes potentiels, dont 6548 (18,8 %) ont fait l’objet d’approches auprès de leurs mandataires en vue d’un consentement. Parmi ces derniers, 3927 (60,0 % des approches) ont mené à un consentement au don d’organes et 1883 patients (48,0 % des consentements) ont effectivement été donneurs. La raison la plus courante pour laquelle des mandataires n’ont pas été approchés en vue du consentement à un don potentiel était un retard de signalement de la part de l’équipe soignante (45,2 %). Les facteurs modifiables indépendants associés au consentement incluaient : approche téléphonique (rapport des cotes [RC] ajusté 0,46, intervalle de confiance IC à 95 % 0,35–0,58) et approche en collaboration avec le médecin et la coordination des dons (RC ajusté 1,26, IC à 95 % 1,01–1,59). Interprétation: Le consentement au don d’organes a été associé à plusieurs facteurs modifiables. Les organisations devraient cibler des interventions visant à assurer un signalement rapide aux organisations de don d’organes, favoriser les approches en personne et promouvoir la participation des médecins au processus d’approche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".